基于大数据的城市住房价格空间分布特征研究
来源:用户上传
作者:
基金项目：江苏高校哲学社会科学研究项目：基于ESDA的城市住宅价格空间分布特征及影响因素研究，批准号：2019SJA0504。三江学院校级科研项目：城市居住空间分布特征与驱动机制研究，批准号：2018SJKY035
摘 要：大数据研究的兴起为探索城市住房价格空间分布特征提供了新的方向，本文利用网络爬虫技术搜索南京市住房价格大数据，并通过GIS技术展示其空间分布特征，结果表明南京市房价存在地区差异性，空间结构呈环状分布并朝多中心发展。
关键词：大数据;GIS;房价;空间分析
当前，我国正处于经济新常态的社会转型期，各行各业都在进行产业结构调整、稳定发展趋势，关乎民生福祉的房地产业也在经历变革。住房价格作为住宅市场发展状态的直观表示，一直以来都备受研究学者的青睐。以往相关研究大多关注住房价格的变化趋势[1]，或是对其影响因素进行探究[2];近年来则多以城市空间视角，探讨住房价格空间分布的差异性[3-4]，以此展示人、住宅、邻里、社会的多范围多角度关系。本文在此基础上，以南京市为例，引入大数据（Big Data）概念，将住房价格与大数据相结合，再辅以地理信息系统（GIS）空间展示技术，将住宅数据的价格属性与地理属性相结合，共同探索城市住宅价格空间分布规律。
一、研究对象与研究方法
（一）研究区域与对象
南京市地处长江中下游，是长三角都市辐射圈的核心城市，作为长江沿岸与东部沿海经济带的战略交汇点，南京的城区中心地位日益突出[5]，其住宅价格的变动趋势对周边地区将有深远影响。截至目前，南京市下辖共计11个行政区，由于溧水区与高淳区距离主城区过远，经济发展较为落后，则不在本次研究范围之类。因此，本文研究区域为玄武区、秦淮区、建邺区、鼓楼区、浦口区、栖霞区、雨花台区、江宁区与六合区，并选取该9个行政区域2020年5月的普通商品住宅销售价格为具体研究对象。
（二）研究方法
随着互联网信息技术的普及，人们在日常生活中随时随地都可能产生大量数据，搜索、存储、处理与分析这些海量数据，能够保证信息的及时性、充分性、多样性、真实性与准确性。GIS技术则是侧重于对地表和空间相关数据进行采集、管理、展示与研究，具备专业的处理能力以及出色的数据可视化效果。将住宅价格大数据与GIS技术相结合，能够充分展示出城市房价的空间分布状态并挖掘出其背后形成机理。
二、数据来源与处理
（一）数据来源
本文样本数据主要通过两种方式获取，一是采取网络爬虫技术，批量下载安居客网站，位于南京市9个行政区2020年5月的普通商品住宅销售价格，共搜集到1356个小区房价数据;二是利用Google Earth地图软件绘制相应小区的地理位置，以此获取其经纬度坐标信息。将两类数据通过相同字段（小区名称）进行关联，得到同时具备价格属性与空间属性的矢量大数据。
（二）数据处理
由于大数据的信息量丰富，不可避免会出现信息重复、错误等现象，因此要对数据进行处理。本文采用SPSS软件对初步搜集到的1356个小区价格进行标准化残差检测，剔除离群值，最终获得有效样本数据1340条。
（三）数据初步分析
9个行政区的房价均值为33576元/m2，极小值为6381元/m2，位于浦口区的桥林雅苑;极大值为101629元/m2，位于鼓楼区的金鼎湾今朝天下。样本数据基本呈正态分布，其描述性统计如表1所示。从图1房价直方图可初步看出，单价为25000元/m2左右的房源较多，基本分布在浦口、江宁和栖霞区。
三、住房价格空间分布特征分析
（一）样本坐标空间分布
将1340条住宅小区的矢量大数据录入Arcgis10.2软件中，并加载南京市地图，得到样本点的分布图（如图2所示）。同时采用Arcgis的关联功能，将样本点按照9个行政区域进行划分并渲染，得到各行政区的样本点分布与均值图（如图3所示）。从图2可知样本点的分布区域较为集中，近南端、近北端与近西端的区域样本点分布较少，排除样本点批量搜索的区位误差因素，一方面可能在于这些区域多为自然地形，风景区较多;另一方面可能当地还处在待开发阶段，住宅小区待建或者正在建设中，成熟小区较为稀少。图3则直观地描述了各城区住房价格空间分布特征，从中可看出南京市房价地区差异性较为明显，总体呈现出一定程度的环状分布，即外围一圈从北至南，从西至东，逆时针方向房价逐步上升;而主城区则相反，从南面雨花台区开始逆时针环绕至建邺区方向房价逐渐上升。
（二）各区住房价格空间特征分析
结合表2南京市各区房价均值表与图3可知住房价格均值最高的区域是建邺区，为49431元/m2，与其相近的区域为鼓楼区，均价45315元/m2。鼓楼区一直以其优秀的教育资源而闻名于整个南京市，优质学区的加持让本来就属于老城区的房价进一步增高。而建邺区重点发展的河西新城由于近20年的发展，已逐步成为包含奥体中心、展览中心、生态科技岛、商务中心等在内的现代化国际性城市中心，使得房价一路上涨超过了鼓楼区。
均值最低的区域是六合区，均价17570元/m2，而同样一江之隔的浦口区房价则要比之高出5000多元/m2。从区位视角看，六合区中心较浦口区中心距市中心更远，通常离市中心越远房价越低。虽然2015年批复设立的江苏省首个国家级新区——江北新区同时包含两个区域，但是新区总部设立在浦口区，无疑带给浦口区更多建设资源。从通达性角度看，六合区若要渡过长江通往市区，则只有八卦洲长江大桥与栖霞山长江大桥;而浦口区则具有除南京长江大桥、大胜关长江大桥两座桥梁之外，还具备应天大街长江隧道、定淮门长江隧道以及地铁3号线、10号线和s3号线，丰富的过江线路都促使浦口区房价未来趋势较好。而均值较为接近的区域有玄武区与秦淮区、栖霞区与雨花台区。四区都属于南京主城区，前者位于主城区的中心区域，教育、商业、交通、环境等因素近乎相同;后者则处于老城相对边缘地带，各项公共服务设施资源相对較弱，均价自然偏低。江宁区虽与浦口区、六合区同属南京郊区，但由于没有长江的阻隔，交通更为方便，同时又涵盖了南京大学、东南大学等高等学府，牛首山、汤山、银杏湖乐园等旅游风景区，人文景观和自然景观相得益彰，综合这些因素都使得江宁区房价将赶超主城。
通过GIS技术，本文将住房价格大数据空间分布特征直观呈现在地图之上，发现南京市房价存在地区差异性，整体表现出一定程度的环状分布，房价峰值点由建邺区取代了鼓楼区，浦口区与江宁区房价有进一步上升空间，城市结构朝多中心发展。
参考文献：
[1]崔君毅.从经济学的角度谈房价未来趋势[J].中国商贸，2014（13）：209-210.
[2]叶杰，王国松.基于一致性预期的房价波动影响因素实证研究[J].商业经济研究，2015（27）：119-121.
[3]翟崟淞.基于GIS的成都市商品住宅价格空间分布差异研究[J].价值工程，2019，38（18）：46-49.
[4]张家旗，刘晏男.郑州市主城区住宅价格空间分布格局及其影响因素研究[J].北京测绘，2020，34（6）：797-801.
[5]孔秋云.关于我市国内贸易流通体制改革发展情况的报告[R].2018.5.30.
作者简介：杨君（1991-）女，汉族，江苏省南京市人，三江学院土木工程学院讲师，硕士。研究方向：城市管理、城市空间结构。
转载注明来源:https://www.xzbu.com/3/view-15310585.htm
